我要招人

蚂蚁集团面试题更新 2026-08-05

为什么强化学习在训练过程中会出现不稳定问题？

蚂蚁集团人工智能互联网/IT问题拆解风险判断技术原理

考察说明

考察对强化学习训练不稳定成因的理解

回答思路

  1. 指出环境交互带来的非独立同分布数据
  2. 解释奖励信号稀疏或噪声导致方差大
  3. 说明策略更新与数据分布相互影响
  4. 提到超参数敏感与探索利用平衡问题
本题已收录答题指导

本题附完整参考答案与评分标准

登录后可查看结构化答题指导；也可以直接开一场模拟面试，AI 面试官用本题实时追问并给出评分。

开始模拟面试登录查看答题指导